孙福振老师团队在人工智能领域权威期刊《IEEE Transactions on Neural Networks and Learning Systems》发表论文

近日，计算机科学与技术学院孙福振老师团队在人工智能领域权威期刊《IEEE Transactions on Neural Networks and Learning Systems》上发表论文《Robust Sequential Recommendation with Decorrelation and Debiasing》。该论文的第一作者为我院2022级硕士研究生孙秀娟，通讯作者为孙福振副教授，山东理工大学计算机科学与技术学院为第一单位。

《IEEE Transactions on Neural Networks and Learning Systems》是计算机科学领域具有重要学术影响力的国际期刊，被收录于中科院SCI一区，同时在Journal Citation Reports（JCR）中保持Q1区排名。作为人工智能与推荐系统研究领域的权威出版物，该刊在机器学习、数据挖掘与智能决策等研究方向具有显著的学术影响力。

此研究工作提出了一种新的鲁棒序列推荐框架——去相关与去偏鲁棒序列推荐。旨在解决序列推荐中的数据稀疏、表示过平滑、特征过相关及流行度偏差问题。该模型通过引入 Mixup 和 SMix 构建全局与局部相结合的层次化数据增强策略，提升模型泛化能力；设计自适应去相关模块缓解Transformer中的过相关与过平滑现象；并利用解耦模块分离用户偏好与动态流行度信息，降低流行度偏差。实验结果显示，该方法在命中率（HR）和归一化折损累计增益（NDCG）方面，较当前最先进的序列推荐模型最高提升 6.63% 和 7.56%，并在数据稀疏和冷启动场景下表现出较强的鲁棒性。